大规模MIMO系统中全局LAS检测算法

发布时间：2020-12-23 03:46

　　在大规模多输入多输出（Multiple Input Multiple Output,MIMO）系统中,现有的非线性检测算法中似然上升搜索（Likelihood Ascend Search,LAS）算法的复杂度较低,但是算法容易陷入局部极值,导致算法性能较差。文中提出一种全局最优的模拟退火-似然上升搜索（Simulated Annealing-Likelihood Ascend Search,SA-LAS）算法,该算法引入模拟退火算法中的概率因素,以一定概率接收相对更差的解,从而改进算法的局限性。同时还利用加权-对称连续超松弛（Weighted Symmetric Successive Over Relaxation,WSSOR）迭代处理复杂的矩阵求逆运算,降低初始解的求解复杂度;另外,设置多个邻域候选集并行搜索加快搜索的速度;最后设置双阈值控制迭代终止时间,以此降低算法复杂度。理论分析了该算法的复杂度,并通过仿真对不同检测算法的误码率性能和收敛速度进行了研究,结果表明:在复杂度阶数不增加的情况下,文中提出的SA-LAS检测算法的误码率性能明显优于现有的LAS检测算法。 

【文章来源】：南京邮电大学学报(自然科学版). 2020年04期 北大核心

【文章页数】：7 页

【部分图文】：

传统LAS检测算法流程图

图2对比了不同算法之间的计算复杂度,可以看出, SA-LAS算法的复杂度比RTS算法低,在用户数少时SA-LAS算法的复杂度比MMSE-SIC算法高,但在用户数多的情况下,其复杂度远小于MMSE-SIC。虽然SA-LAS算法比LAS算法复杂度有所提高,但随着用户数增长,该算法增长趋势缓慢,与LAS算法复杂度差距逐渐减小,也说明了该算法符合大规模天线数目的特性。如图3所示,采用128×16的天线规模,比较了不同初始解求解方法的BER(Bit Error Rate)性能。以MMSE精确求逆算法的BER性能为基准对比了ZF检测算法、Neumann级数展开算法和本文提出的WSSOR迭代算法的检测性能。由图3所示,本文提出的求解初始解的WSSOR算法具有较快的收敛速度,并且在迭代次数i=2时就已经接近最佳线性MMSE算法的性能,远超于其他算法的检测性能。

如图3所示,采用128×16的天线规模,比较了不同初始解求解方法的BER(Bit Error Rate)性能。以MMSE精确求逆算法的BER性能为基准对比了ZF检测算法、Neumann级数展开算法和本文提出的WSSOR迭代算法的检测性能。由图3所示,本文提出的求解初始解的WSSOR算法具有较快的收敛速度,并且在迭代次数i=2时就已经接近最佳线性MMSE算法的性能,远超于其他算法的检测性能。如图4(a)、4(b)所示,调制阶数不同时,比较不同天线规模的MMSE-LAS检测算法、WSSOR-LAS检测算法、SA-LAS检测算法的BER性能。因为高斯信道下的单输入单输出SISO系统是大规模MIMO系统中ML性能的下界[12],所以将SISO作为ML性能的近似。可以从图4看出,通过WSSOR迭代改进初始解后的LAS算法与MMSE-LAS检测的性能曲线几乎重合,且本文提出的SA-LAS检测算法的性能明显比MMSE-LAS算法更佳,随着信噪比的增加逐渐趋近于ML性能,并且可以看出SA-LAS检测算法也适用于高阶调制方式。


本文编号：2933010